CN116436799B - 复杂网络节点重要性评估方法、装置、设备和存储介质 - Google Patents
复杂网络节点重要性评估方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN116436799B CN116436799B CN202310693869.8A CN202310693869A CN116436799B CN 116436799 B CN116436799 B CN 116436799B CN 202310693869 A CN202310693869 A CN 202310693869A CN 116436799 B CN116436799 B CN 116436799B
- Authority
- CN
- China
- Prior art keywords
- node
- evaluated
- index
- network
- social network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000009792 diffusion process Methods 0.000 claims abstract description 49
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请涉及一种复杂网络节点重要性评估方法、装置、设备和存储介质。所述方法包括:获取包含待评估用户的社交网络;待评估用户为社交网络中的待评估节点;社交网络的节点之间相互连接表示用户之间相互连接;获取社交网络中的待评估节点以及待评估节点对应的邻居节点集合;分别获取待评估节点和邻居节点集合中每一节点对应的k‑核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数;根据k‑核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数,计算待评估节点与每一邻居节点之间邻接链路的扩散能力指数;根据待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性。采用本方法能够更加准确、高效地评估社交网络中的节点重要性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种复杂网络节点重要性评估方法、装置、设备和存储介质。
背景技术
自然界中诸多的复杂系统都可以网络的形式存在, 我们的生活被各种各样的网络所包围,比如互联网、电力网络、社交网络和航空网络。如何用定量分析的方法识别复杂网络中重要节点,或评价某个节点相对于其他一个或多个节点的重要程度,是复杂网络研究的热点问题。其中,针对社交网络中节点重要性的研究,已经取得了一些成熟的研究成果,并应用到生物科学、物理科学以及社会生活等各领域中。
大量实证研究表明,一个节点是否重要,不仅与节点自身属性相关,还受到邻居节点的影响,如在社交网络中,收到消息的用户越多,发出消息的用户越重要,邻居节点本身的重要性会影响所评价节点的重要性,而邻居节点的重要性主要是通过邻接链路传导到目标节点。如何准确、高效地评估节点重要性是社交网络研究中亟待解决的重要问题。
发明内容
基于此,有必要针对上述技术问题,提供一种复杂网络节点重要性评估方法、装置、设备和存储介质。
一种复杂网络节点重要性评估方法,所述方法包括:
获取包含待评估用户的社交网络;所述待评估用户为社交网络中的待评估节点;所述社交网络的社交网络的节点之间相互连接表示用户之间相互连接;
获取所述社交网络中的待评估节点以及待评估节点对应的邻居节点集合;
分别获取所述待评估节点和所述邻居节点集合中每一节点对应的k-核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数;
根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与每一邻居节点之间邻接链路的扩散能力指数;
根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性。
在其中一个实施例中,还包括:根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与所述邻居节点之间邻接链路的扩散能力指数为:
;
其中,表示节点/>与邻居节点/>之间的邻接链路的扩散能力指数,/>,表示节点/>的邻居节点集合,/>表示节点/>的k-核分解的核值,/>表示节点的H指数,/>表示节点/>的网络约束系数。
在其中一个实施例中,还包括:根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性为:
;
其中,表示节点/>的节点重要性。
一种复杂网络节点重要性评估装置,所述装置包括:
网络获取模块,用于获取包含待评估用户的社交网络;所述待评估用户为社交网络中的待评估节点;所述社交网络的社交网络的节点之间相互连接表示用户之间相互连接;
节点获取模块,用于获取所述社交网络中的待评估节点以及待评估节点对应的邻居节点集合;
指标获取模块,用于分别获取所述待评估节点和所述邻居节点集合中每一节点对应的k-核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数;
扩散能力指数计算模块,用于根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与每一邻居节点之间邻接链路的扩散能力指数;
节点重要性评估模块,用于根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取包含待评估用户的社交网络;所述待评估用户为社交网络中的待评估节点;所述节点之间相互连接表示用户之间存在链路;
获取所述社交网络中所述待评估节点的邻居节点,获取所述待评估节点和所述邻居节点对应的k-核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数;
根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与所述邻居节点之间邻接链路的扩散能力指数;
根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取包含待评估用户的社交网络;所述待评估用户为社交网络中的待评估节点;所述节点之间相互连接表示用户之间存在链路;
获取所述社交网络中所述待评估节点的邻居节点,获取所述待评估节点和所述邻居节点对应的k-核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数;
根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与所述邻居节点之间邻接链路的扩散能力指数;
根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性。
上述复杂网络节点重要性评估方法、装置、设备和存储介质,通过获取社交网络中的待评估节点以及待评估节点对应的邻居节点集合,基于此分析待评估节点与每一邻居节点之间邻接链路对待评估节点重要性的潜在影响力,接着,获取待评估节点和邻居节点集合中每一节点对应的k-核分解后的核值,能够得到上述节点在社交网络中的位置信息,能够反映节点是否处于网络中的核心位置,获取上述节点的H指数,从而获取上述节点的邻居节点信息,反映节点的信息扩散能力,获取上述节点的网络约束系数,反映节点的局部结构洞特征,根据k-核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数,计算待评估节点与每一邻居节点之间邻接链路的扩散能力指数,能够更好地衡量节点邻接链路的潜在影响力,从而对社交网络中的节点进行节点重要性评估,以识别社交网络中的重要节点。本发明实施例,能够更加准确、高效地评估社交网络中的节点重要性。
附图说明
图1为一个实施例中复杂网络节点重要性评估方法的流程示意图;
图2为一个实施例中复杂网络节点重要性评估装置的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种复杂网络节点重要性评估方法,包括以下步骤:
步骤102,获取包含待评估用户的社交网络。
在社交网络中,用户间的关系需要经双方的认证才能够建立起,因此,社交网络可以看成是一个以用户为节点,以用户间的关系为边的无向无权网络。待评估用户为社交网络中的待评估节点,社交网络的节点之间相互连接表示用户之间相互连接。
步骤104,获取社交网络中的待评估节点以及待评估节点对应的邻居节点集合。
待评估节点对应于待评估用户,邻居节点集合包括待评估节点的所有邻居节点,邻居节点指的是与待评估节点直接相连接的节点。
步骤106,分别获取待评估节点和邻居节点集合中每一节点对应的k-核分解后的核值、H指数和用于表征社交网络的结构洞特征的网络约束系数。
网络的k-核分解(k-core decomposition)指的是去除网络中度数小于k的所有结点和连边,接着在新的图上去除度数小于k的结点,直到剩余结点度都大于等于k,依次取k=1,2……,k-Core就是图中的最小子图,子图中每个结点的度至少是k,核值,表示当前节点所处子图对应的k值;H指数可以度量一个科学家最多有多少篇论文每篇被引用的次数都不少于这个篇数,将H指数引进网络中,认为一个节点的H指数如果是h,就说明这个节点有h个邻居,它们的度都不小于h,H指数也是一个很好的度量网络节点重要性的指标;网络约束系数是Burt提出来的主要用于衡量节点形成结构洞所受到的约束,结构洞指的是如果两者之间缺少直接的联系,而必须通过第三者才能形成联系,那么行动的第三者就在关系网络中占据了一个结构洞,因此,占据了结构洞的节点能够获取更多的信息。
步骤108,根据k-核分解后的核值、H指数和用于表征社交网络的结构洞特征的网络约束系数,计算待评估节点与每一邻居节点之间邻接链路的扩散能力指数。
一个节点是否重要,不仅与节点自身属性相关,还受到邻居节点的影响,邻居节点本身的重要性会影响所评价节点的重要性,而邻居节点的重要性通过邻接链路传导到目标节点,通过计算邻接链路的扩散能力指数从而衡量邻接链路对待评估节点重要性的潜在影响力。
步骤110,根据待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性。
邻接链路的扩散能力指数越小,则该邻接链路在对待评估节点重要性的贡献中所占权重越小,根据待评估节点每一邻接链路的扩散能力指数计算待评估节点的节点重要性,可以分析出用户在社交网络中的影响力,影响力越大的用户,其传播信息的广度和速度也越大。在社交网络中识别对消息传播影响力较大的节点,在信息扩散、病毒营销、控制谣言、口碑传播等领域具有重要作用。这些节点在网络中重要性较高,影响力较大。节点影响力重要性的评估对社交网络的信息引导和控制具有重要意义。
上述复杂网络节点重要性评估方法中,通过获取社交网络中的待评估节点以及待评估节点对应的邻居节点集合,基于此分析待评估节点与每一邻居节点之间邻接链路对待评估节点重要性的潜在影响力,接着,获取待评估节点和邻居节点集合中每一节点对应的k-核分解后的核值,能够得到上述节点在社交网络中的位置信息,能够反映节点是否处于网络中的核心位置,获取上述节点的H指数,从而获取上述节点的邻居节点信息,反映节点的信息扩散能力,获取上述节点的网络约束系数,反映节点的局部结构洞特征,根据k-核分解后的核值、H指数和用于表征社交网络的结构洞特征的网络约束系数,计算待评估节点与每一邻居节点之间邻接链路的扩散能力指数,能够更好地衡量节点邻接链路的潜在影响力,从而对社交网络中的节点进行节点重要性评估,以识别社交网络中的重要节点。本发明实施例,能够更加准确、高效地评估社交网络中的节点重要性。
在一个实施例中,根据k-核分解后的核值、H指数和用于表征社交网络的结构洞特征的网络约束系数,计算待评估节点与邻居节点之间邻接链路的扩散能力指数,包括:根据k-核分解后的核值、H指数和用于表征社交网络的结构洞特征的网络约束系数,计算待评估节点与邻居节点之间邻接链路的扩散能力指数为:
;
其中,表示节点/>与邻居节点/>之间的邻接链路的扩散能力指数,/>,表示节点/>的邻居节点集合,/>表示节点/>的k-核分解的核值,/>表示节点的H指数,/>表示节点/>的网络约束系数。
在本实施例中,网络约束系数为:
;
;
其中,节点表示/>和/>之间的共同邻居,/>表示节点/>为维持与节点/>的关系而投入的精力占总精力的比例,当/>和/>之间存在连边时,/>,反之,/>。
在一个实施例中,根据待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性包括:根据待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性为:
;
其中,表示节点/>的节点重要性。
在本实施例中,节点重要性与其邻域链接密切相关,基于邻接链路的扩散能力指数,节点重要性定义为其邻接链路的扩散能力指数的累积和。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图2所示,提供了一种复杂网络节点重要性评估装置,包括:网络获取模块202、节点获取模块204、指标获取模块206、扩散能力指数计算模块208和节点重要性评估模块210,其中:
网络获取模块202,用于获取包含待评估用户的社交网络;待评估用户为社交网络中的待评估节点;社交网络的节点之间相互连接表示用户之间相互连接;
节点获取模块204,用于获取社交网络中的待评估节点以及待评估节点对应的邻居节点集合;
指标获取模块206,用于分别获取待评估节点和邻居节点集合中每一节点对应的k-核分解后的核值、H指数和用于表征社交网络的结构洞特征的网络约束系数;
扩散能力指数计算模块208,用于根据k-核分解后的核值、H指数和用于表征社交网络的结构洞特征的网络约束系数,计算待评估节点与每一邻居节点之间邻接链路的扩散能力指数;
节点重要性评估模块210,用于根据待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性。
在其中一个实施例中,扩散能力指数计算模块208还用于根据k-核分解后的核值、H指数和用于表征社交网络的结构洞特征的网络约束系数,计算待评估节点与邻居节点之间邻接链路的扩散能力指数为:
;
其中,表示节点/>与邻居节点/>之间的邻接链路的扩散能力指数,/>,/>表示节点/>的邻居节点集合,/>表示节点/>的k-核分解的核值,/>表示节点/>的H指数,/>表示节点/>的网络约束系数。
在其中一个实施例中,节点重要性评估模块210还用于根据待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性为:
;
其中,表示节点/>的节点重要性。
关于复杂网络节点重要性评估装置的具体限定可以参见上文中对于复杂网络节点重要性评估方法的限定,在此不再赘述。上述复杂网络节点重要性评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种复杂网络节点重要性评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述实施例中方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (6)
1.一种复杂网络节点重要性评估方法,其特征在于,所述方法包括:
获取包含待评估用户的社交网络;所述待评估用户为社交网络中的待评估节点;所述社交网络的社交网络的节点之间相互连接表示用户之间相互连接;
获取所述社交网络中的待评估节点以及待评估节点对应的邻居节点集合;
分别获取所述待评估节点和所述邻居节点集合中每一节点对应的k-核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数;
根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与每一邻居节点之间邻接链路的扩散能力指数;
根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性;
根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与所述邻居节点之间邻接链路的扩散能力指数,包括:
根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与所述邻居节点之间邻接链路的扩散能力指数为:
;
其中,表示节点/>与邻居节点/>之间的邻接链路的扩散能力指数,/>,表示节点/>的邻居节点集合,/>表示节点/>的k-核分解的核值,/>表示节点的H指数,/>表示节点/>的网络约束系数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性包括:
根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性为:
;
其中,表示节点/>的节点重要性。
3.一种复杂网络节点重要性评估装置,其特征在于,所述装置包括:
网络获取模块,用于获取包含待评估用户的社交网络;所述待评估用户为社交网络中的待评估节点;所述社交网络的社交网络的节点之间相互连接表示用户之间相互连接;
节点获取模块,用于获取所述社交网络中的待评估节点以及待评估节点对应的邻居节点集合;
指标获取模块,用于分别获取所述待评估节点和所述邻居节点集合中每一节点对应的k-核分解后的核值、H指数和用于表征所述社交网络的结构洞特征的网络约束系数;
扩散能力指数计算模块,用于根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与每一邻居节点之间邻接链路的扩散能力指数;
节点重要性评估模块,用于根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性;
所述扩散能力指数计算模块还用于根据所述k-核分解后的核值、所述H指数和所述网络约束系数,计算所述待评估节点与所述邻居节点之间邻接链路的扩散能力指数为:
;
其中,表示节点/>与邻居节点/>之间的邻接链路的扩散能力指数,/>,表示节点/>的邻居节点集合,/>表示节点/>的k-核分解的核值,/>表示节点的H指数,/>表示节点/>的网络约束系数。
4.根据权利要求3所述的装置,其特征在于,所述节点重要性评估模块还用于根据所述待评估节点每一邻接链路的扩散能力指数,计算得到待评估节点的节点重要性为:
;
其中,表示节点/>的节点重要性。
5.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至2中任一项所述方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至2中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310693869.8A CN116436799B (zh) | 2023-06-13 | 2023-06-13 | 复杂网络节点重要性评估方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310693869.8A CN116436799B (zh) | 2023-06-13 | 2023-06-13 | 复杂网络节点重要性评估方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116436799A CN116436799A (zh) | 2023-07-14 |
CN116436799B true CN116436799B (zh) | 2023-08-11 |
Family
ID=87081917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310693869.8A Active CN116436799B (zh) | 2023-06-13 | 2023-06-13 | 复杂网络节点重要性评估方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116436799B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1986375A1 (en) * | 2007-04-05 | 2008-10-29 | Alcatel Lucent | Method and node for routing data in a wireless meshed networks |
CN107317704A (zh) * | 2017-06-22 | 2017-11-03 | 西京学院 | 一种基于紧密度和结构洞的复杂网络重要节点排序方法 |
CN108711111A (zh) * | 2018-05-16 | 2018-10-26 | 山东科技大学 | 一种基于K-shell分解的社交网络影响力最大化方法 |
CN109005055A (zh) * | 2018-07-16 | 2018-12-14 | 西安交通大学 | 基于多尺度拓扑空间的复杂网络信息节点重要度评价方法 |
CN109039721A (zh) * | 2018-07-20 | 2018-12-18 | 中国人民解放军国防科技大学 | 基于误差重构的节点重要性评估方法 |
CN110826164A (zh) * | 2019-11-06 | 2020-02-21 | 中国人民解放军国防科技大学 | 一种基于局部和全局连通性的复杂网络节点重要度评估方法 |
CN111127233A (zh) * | 2019-12-26 | 2020-05-08 | 华中科技大学 | 一种社交网络无向有权图中用户核值计算方法 |
CN114785696A (zh) * | 2022-05-09 | 2022-07-22 | 中国人民解放军国防科技大学 | 复杂网络节点的重要度评估方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220360604A1 (en) * | 2018-06-26 | 2022-11-10 | Zignal Labs, Inc. | System and method for social network analysis |
CN113515672A (zh) * | 2020-12-31 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、计算机可读介质及电子设备 |
-
2023
- 2023-06-13 CN CN202310693869.8A patent/CN116436799B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1986375A1 (en) * | 2007-04-05 | 2008-10-29 | Alcatel Lucent | Method and node for routing data in a wireless meshed networks |
CN107317704A (zh) * | 2017-06-22 | 2017-11-03 | 西京学院 | 一种基于紧密度和结构洞的复杂网络重要节点排序方法 |
CN108711111A (zh) * | 2018-05-16 | 2018-10-26 | 山东科技大学 | 一种基于K-shell分解的社交网络影响力最大化方法 |
CN109005055A (zh) * | 2018-07-16 | 2018-12-14 | 西安交通大学 | 基于多尺度拓扑空间的复杂网络信息节点重要度评价方法 |
CN109039721A (zh) * | 2018-07-20 | 2018-12-18 | 中国人民解放军国防科技大学 | 基于误差重构的节点重要性评估方法 |
CN110826164A (zh) * | 2019-11-06 | 2020-02-21 | 中国人民解放军国防科技大学 | 一种基于局部和全局连通性的复杂网络节点重要度评估方法 |
CN111127233A (zh) * | 2019-12-26 | 2020-05-08 | 华中科技大学 | 一种社交网络无向有权图中用户核值计算方法 |
CN114785696A (zh) * | 2022-05-09 | 2022-07-22 | 中国人民解放军国防科技大学 | 复杂网络节点的重要度评估方法及装置 |
JP7224700B1 (ja) * | 2022-05-09 | 2023-02-20 | 中国人民解放軍国防科技大学 | 複雑ネットワークノードの重要度評価方法及び装置 |
Non-Patent Citations (1)
Title |
---|
Coreness and h-Index for Weighted Networks;Xiaoqun Wu;IEEE;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116436799A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Improved trust-aware recommender system using small-worldness of trust networks | |
Barreto-Souza et al. | The Weibull-geometric distribution | |
Cho et al. | Sampling from complicated and unknown distributions: Monte Carlo and Markov Chain Monte Carlo methods for redistricting | |
Zhao et al. | Multifractality and network analysis of phase transition | |
Tang et al. | Interlayer link prediction in multiplex social networks: An iterative degree penalty algorithm | |
Mocenni et al. | Identifying the dynamics of complex spatio-temporal systems by spatial recurrence properties | |
Alonso et al. | An information‐theoretic approach for the evaluation of surrogate endpoints based on causal inference | |
Awan et al. | AutoTrust: A privacy-enhanced trust-based intrusion detection approach for internet of smart things | |
Yeh | Novel self-adaptive Monte Carlo simulation based on binary-addition-tree algorithm for binary-state network reliability approximation | |
US9904961B2 (en) | System and method for determining the feedback capacity of information distributed in a complex network | |
Janssen et al. | Nonuniform distribution of nodes in the spatial preferential attachment model | |
Mohammadi et al. | On interval weighted cumulative residual and past extropies | |
CN116436799B (zh) | 复杂网络节点重要性评估方法、装置、设备和存储介质 | |
Avrachenkov et al. | Distribution and dependence of extremes in network sampling processes | |
Paul et al. | Hierarchical longitudinal models of relationships in social networks | |
Qian et al. | Combining topological properties and strong ties for link prediction | |
Yang et al. | A fast general extension algorithm of Latin hypercube sampling | |
Tong et al. | Probability propagation method for reliability assessment of acyclic directed networks | |
De Neve et al. | Goodness-of-fit methods for probabilistic index models | |
Li et al. | Dynamic anomaly detection using vector autoregressive model | |
Wu et al. | Discrimination reveals reconstructability of multiplex networks from partial observations | |
Di et al. | Bitcoin transactions as a graph | |
CN114297572B (zh) | 社交网络中节点传播影响力识别方法、装置和计算机设备 | |
Zhang et al. | Partially linear additive models with unknown link functions | |
Lu et al. | Local clustering via approximate heat kernel PageRank with subgraph sampling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |